我的笔记

Camerer_1999_Overconfidence_ExcessEntry

更新于 2026/7/5

Overconfidence and Excess Entry: An Experimental Approach

一句话总结

通过市场进入博弈实验首次证明：当收益取决于个体相对技能时，被试系统性地过度进入，而自我选择招募方式会通过"参考群体忽视"（reference group neglect）将过度进入放大约三倍。

研究问题

过度自信（对自身相对能力的高估）是否会在竞争性市场中引发系统性的过度进入？当被试自我选择进入竞争场景时，他们能否意识到对手也是经过类似自我选择的、同样自认为技能出众的人？

核心贡献

  1. 首次在实验室环境中将心理学的过度自信偏误与经济学的市场进入决策直接联系起来，区分了"理性进入但运气不佳"、"正偏收益赌博"与"过度自信驱动"三种新企业失败假说。
  2. 提出并验证"参考群体忽视"概念——自我选择进入竞争的个体不仅高估自己，还忽视对手的自我选择属性，这与拍卖中的"赢者诅咒"(winner's curse) 在结构上同源。
  3. 在方法论上确立了"随机排名 vs. 技能排名"的被试内对照设计，作为分离过度自信效应与风险偏好/其他个体差异的标准范式。

维度1：实验设计分析

基本信息

  • 作者: Colin Camerer, Dan Lovallo
  • 期刊: The American Economic Review, Vol. 89, No. 1, pp. 306-318
  • 年份: 1999
  • 关键词: 过度自信, 过度进入, 市场进入博弈, 参考群体忽视, 自我选择

一、核心研究问题与动机

研究问题

过度自信（对自身相对能力的高估）是否会导致竞争性市场中的过度进入（excess entry），从而解释现实中新企业高失败率的现象？

研究动机

  • 心理学研究广泛表明，大多数人对自身相对能力过度自信（如驾驶能力、收入前景、寿命等），但此前缺乏将过度自信与经济行为（尤其是市场进入决策）直接关联的实验证据。
  • 实证数据显示，美国制造业中61.5%的新进入者在五年内退出，79.6%在十年内退出，暗示进入决策中可能存在系统性偏误。
  • 已有理论提出三种解释新企业高失败率的假说：(1) 理性进入但运气不佳（hit-and-run）；(2) 进入如买彩票（正偏收益分布下的理性赌博）；(3) 过度自信导致的非理性进入。实验室环境可以区分这三种解释。
  • 作者还提出了一个新现象——"参考群体忽视"（reference group neglect）：当被试自我选择进入实验时，过度进入现象更为严重，因为自我选择者忽视了竞争对手同样经过自我选择、同样自认为技能出众这一事实。

二、实验设计与流程（重点）

实验范式

扩展 Kahneman (1988)、Brander & Thaler 以及 Rapoport 等人开发的市场进入博弈（market entry game）。

核心设计要素

1. 基本博弈结构

  • N 名被试同时、独立决定是否"进入"一个市场。
  • 市场"容量"为预先公布的数字 c。
  • 不进入者获得固定报酬 K。
  • 进入者的收益取决于其排名（rank）和 c 的关系：排名前 c 的进入者分享 $50，排名越高收益越多；排名在 c 之后的进入者亏损（每人损失 $10 的初始赌注）。
  • 若进入者总数恰好为 c + 5，则所有进入者的总利润（"行业利润"）为零；若超过 c + 5 人进入，平均进入者亏损。

2. 排名决定方式（关键操控变量）

  • 随机排名条件（random-rank）：排名由随机抽签决定。
  • 技能排名条件（skill-rank）：排名由被试在技能/知识测试中的相对表现决定。
    • 实验 1-2：10 道逻辑谜题。
    • 实验 3-8：体育或时事知识问答题。
    • 重要：技能测试在所有轮次的进入决策完成后才进行，被试在决策时并不知道自己的实际排名。

3. 被试招募方式（第二个关键操控变量）

  • 随机招募（random selection）：标准实验招募，实验 1-4。
  • 自我选择招募（self-selection）：告知被试实验涉及体育/时事知识竞赛，表现好者可获丰厚报酬，由被试自愿报名参加，实验 5-8。自我选择条件下，被试自认为技能出众而主动参与，但忽视了其他参与者也是如此自我选择的。

4. 市场容量 c 的设定

  • 每轮 c 值在 {2, 4, 6, 8} 中变化（见 Table 2），同一序列在随机排名和技能排名两个条件中重复使用。

实验流程（每个 session）

步骤 1 - 招募：被试通过标准招募或自我选择方式被招募。

步骤 2 - 入场与说明：被试在大教室中就座，彼此看不到对方的材料。主试朗读实验指导语，并进行理解测试以确保被试理解收益结构。向被试解释两种排名方式（随机 vs. 技能），并展示技能测试的样题和答案。告知被试将有两组各12轮的实验——一组使用随机排名，另一组使用技能排名。

步骤 3 - 每轮开始：告知被试本轮使用的排名方式（技能 or 随机）及本轮市场容量 c。

步骤 4 - 预测：被试私下预测本轮将有多少人进入（包括自己）。每次准确预测可额外获得 $0.25。

步骤 5 - 进入决策：被试私下、同时做出进入或不进入的决策。

步骤 6 - 反馈：记录进入决策，并告知被试本轮共有多少人进入。注意：唯一的反馈信息是进入者总数，不提供排名或收益信息。

步骤 7 - 收尾（全部24轮结束后）：被试完成技能测试（逻辑谜题或知识问答），确定技能排名。随机选取24轮中的一轮，计算并支付该轮的实际收益。

实验场次总览（Table 3）

实验编号 样本 人数(n) 招募方式 排名顺序
1 芝加哥大学本科生 12 随机 随机先/技能后
2 芝加哥大学本科生 14 随机 技能先/随机后
3 沃顿商学院本科生 16 随机 随机先/技能后
4 沃顿商学院本科生 16 随机 技能先/随机后
5 沃顿商学院本科生 16 自我选择 随机先/技能后
6 沃顿商学院本科生 16 自我选择 技能先/随机后
7 芝加哥大学 MBA 14 自我选择 随机先/技能后
8 沃顿商学院 MBA 14 自我选择 技能先/随机后
  • 共 8 个 session，118 名被试，每人做 24 轮决策。
  • 半数 session 先进行随机排名轮次，半数先进行技能排名轮次（控制顺序效应）。
  • 实验 3-8 仅招募男性被试，以控制性别效应（因为体育知识问答可能存在性别差异）。

关键设计特点

  • 被试内设计（within-subject）：每位被试同时参与随机排名和技能排名条件，随机排名条件作为基准控制，排除风险偏好等个体差异的影响。
  • 核心因变量：技能排名条件与随机排名条件下进入人数的差异。
  • 行业利润：作为过度进入的衡量指标——若行业利润为负，说明进入者过多。

三、核心发现

1. 过度自信导致过度进入

  • 随机排名条件：74/96（77%）轮次中行业利润为正，平均每轮行业利润为 $16.87，进入行为接近均衡水平。
  • 技能排名条件：仅37/96（40%）轮次利润为正，41轮（42%）为负，平均每轮行业利润为 -$1.56。
  • 配对 t 检验：t = -7.43，df = 95，p < 0.0001。技能排名条件下进入人数显著多于随机排名条件（平均多约2人）。

2. 参考群体忽视（自我选择放大过度进入）

  • 无自我选择的 session（1-4）：随机与技能条件的行业利润差为 $8.96。
  • 有自我选择的 session（5-8）：利润差扩大至 $27.10，约为前者的三倍。
  • 配对 t 检验：t(94) = -4.08，p < 0.001，自我选择显著加剧过度进入。
  • 自我选择 session 中，技能排名条件下行业利润仅在 3/48 轮为正（vs. 非自我选择 session 的 34/48 轮）。

3. 被试预期收益分析（Table 5）

  • 77%（78/101）的被试预期在技能排名轮次中每次进入的平均收益低于随机排名轮次，但仍然选择更多地进入——他们认为"平均进入者会亏损，但我不会"。
  • 自我选择 session 中，85% 的被试预期在技能排名条件下赚得更少，但几乎所有人仍然更频繁地进入。

4. Logit 回归结果（Table 6）

  • Skill 变量系数显著为正（t = 2.48 至 4.83），确认技能排名条件显著增加进入概率。
  • 期望平均利润 E(Pi_jit) 系数为负且显著（t = -6.93），但这是因为预测高进入者自己也计划进入（"虚假共识"效应）。
  • 容量 c 系数为正且显著，c 越大进入越多。
  • RNG*Skill 交互项在中间模型中边际显著（t = 1.90），自我选择确实增强了技能条件下的过度进入。

5. 预测行为分析

  • 随机排名条件下，被试平均高估进入人数约 0.30 人。
  • 技能排名条件下，被试平均低估进入人数约 0.50 人（p < 0.05）。
  • 但预测偏差很小，大多数被试的预测通过了信息理性检验——他们并非在信息处理上非理性，而是对自身相对技能过度自信。

6. 时间趋势

  • 技能-随机进入差异随时间有轻微下降趋势，但时间序列外推模型估计即使实验无限进行，长期均衡差异仍为 1.34-1.96（均高度显著），过度进入不会完全消失。

四、贡献与启示

理论贡献

  1. 首次实验验证过度自信-过度进入假说：通过技能依赖收益的实验设计，直接将心理学中的过度自信偏误与经济学中的市场进入决策联系起来。
  2. 发现"参考群体忽视"现象：自我选择进入竞争的个体不仅对自身能力过度自信，还忽视了竞争对手也经过同样的自我选择过程（即对手也都认为自己很强）。这是一种类似于拍卖中"赢者诅咒"的逆向选择忽视。
  3. 提供了区分三种进入失败理论的实验方法：理性进入、盲点假说（低估竞争者数量）和过度自信假说可以在实验中被分离检验。

方法论贡献

  • 将心理变量（相对技能感知）引入标准经济学实验范式，拓展了市场进入博弈的经典设计。
  • 使用随机排名条件作为被试内基准控制，巧妙地排除了风险偏好的影响。
  • 强调在不确定性环境中，实验经济学不应仅用随机装置模拟不确定性，还应让被试基于自身能力做判断，因为这两种情境下行为可能截然不同。

现实启示

  • 商业进入决策：过度自信（尤其是参考群体忽视）可以部分解释新企业的高失败率。当成功标准模糊、行业差异化程度高时，过度进入更可能发生。
  • 锦标赛与晋升：在层级晋升体系中，每一级别的胜出者都收到了能力的正向信号，但忽视了对手也同样收到了正向信号，导致过度自信随晋升不断累积。
  • 合同设计：过度自信者更偏好绩效薪酬（因为认为自己能力超群），这可能解释为何绩效合同比标准理论预测的更为普遍。
  • "内部视角"与"外部视角"：进入者倾向于采用"内部视角"（聚焦自身资源和能力），而忽视了"外部视角"（基于同类案例的基准概率），这是过度自信的认知根源。

相关文献

  • Kahneman_1988_ExperimentalEconomics - 原始市场进入博弈范式
  • Rapoport_1995_MarketEntryGame - 大规模市场进入博弈实验
  • Roll_1986_Hubris_CorporateTakeovers - 傲慢假说与企业并购
  • Weinstein_1980_UnrealisticOptimism - 不切实际的乐观主义
  • Svenson_1981_DrivingAbility - 驾驶能力过度自信经典研究

维度2：理论模型

理论基准

  • Nash 均衡基准：在标准市场进入博弈中，对称混合策略均衡预测进入人数 ≈ c + 5（行业利润为零）。Kahneman (1988) 早期实验观察到被试集体进入数令人惊讶地接近均衡水平（"魔术般的协调"）。
  • 三种解释新企业高失败率的竞争假说：
    • H1（理性进入）：进入是均衡的，事后失败仅是 ex-post 运气分布的尾部。
    • H2（正偏收益赌博）：风险偏好或非线性效用使进入是 ex-ante 理性，但平均亏损。
    • H3（过度自信）：个体高估自身相对技能，导致系统性过度进入。

行为模型

  • 被试将技能排名条件下的相对表现视为可控变量，并普遍认为"自己处于分布上端"——即使在概率意义上不可能多数人都高于中位数。
  • "参考群体忽视"机制：自我选择进入者使用 "我能进入此实验是因为我擅长 X" 的内部归因，但忽视所有对手也通过同样筛选过程进入，因此低估对手的平均技能。

关键假设

  • 被试理解收益结构（通过理解测试验证）。
  • 风险偏好在两种排名条件下保持不变（被试内设计的关键支撑）。
  • 被试在技能问答中的自我估计与真实排名分布存在系统偏差。

估计方法

  • 配对 t 检验比较随机 vs. 技能条件的进入人数与行业利润。
  • Logit 进入决策回归（Table 6）：进入概率 = f(Skill 哑变量, RNG 自我选择哑变量, 容量 c, 期望平均利润, 交互项)。
  • 时间序列外推：使用 trial 序号作为协变量，估计若实验无限延长后的长期均衡偏差。

维度3：核心发现

  1. 过度进入显著：技能排名条件下平均行业利润 -$1.56（vs. 随机排名 +$16.87），t = -7.43, p < 0.0001；技能条件下行业利润为正的轮次占比从 77% 跌至 40%。
  2. 参考群体忽视将过度进入放大约 3 倍：非自我选择 session 的技能-随机利润差为 $8.96，自我选择 session 扩大至 $27.10（t = -4.08, p < 0.001）。
  3. "我不会亏"的自利偏差：77% 被试预期技能轮次平均进入者亏损但仍多进入；自我选择中此比例升至 85%。
  4. 预测信息近似理性：被试对总进入人数的预测偏差很小（技能条件低估约 0.5 人），表明偏误来自对自身相对位置的高估，而非信息处理失误。
  5. 过度进入持续存在：时间趋势下降但渐近差异仍为 1.34-1.96 人，过度自信不会被简单经验消除。

维度4：变量概览

变量 类型 说明
Entry 被解释变量 二元（0/1），是否进入市场
Industry profit 被解释变量 全体进入者总利润，过度进入指标
Skill rank 自变量（操控） 排名是否由技能测试决定（vs. 随机）
Self-selection (RNG) 自变量（操控） 被试是否自愿报名参加（vs. 标准招募）
Market capacity c 自变量 {2, 4, 6, 8}，每轮公布
Expected entrants 中介变量 被试预测的进入人数（带 $0.25 准确性奖励）
Sample 控制变量 芝加哥大学/沃顿本科/MBA
Period order 控制变量 随机先 vs. 技能先

维度5：局限性

  1. 样本同质性：仅芝加哥大学和沃顿本科生/MBA，且实验 3-8 仅招男性以避开体育知识性别差异，限制了对女性和非精英教育背景人群的外推。
  2. 任务领域有限：技能测试以体育/时事/逻辑题为主，与真实创业决策中的"经营能力"差距较大；现实中过度自信可能因领域熟悉度而异。
  3. 反馈结构稀疏：被试只知进入总人数，不知排名/收益，限制了学习速度的外部效度——真实市场中进入者获得连续利润反馈。
  4. 无退出/再进入机制：每轮独立决策，无法捕捉真实市场中的动态调整与沉没成本影响。
  5. 实验金额较小：进入赌注 $10、奖金池 $50，相对真实创业决策的财富比例极小，可能低估过度自信代价。
  6. 行业利润 ≈ 0 的"准均衡"：Nash 均衡预测可能本身就被"轻微过度进入"经验现象近似，被试的真实信念结构难以从加总数据完全识别。

维度6：与其他文献的关系

直接对话的市场进入文献

信念形成与更新

同类型实验范式

应用与扩展

维度7：可拓展的研究方向

  1. 真实创业人群的现场实验：将技能-随机对照范式移植到真实初创企业家或拟创业人群，测试参考群体忽视是否依然成立。
  2. 去偏干预：让被试在决策前被告知对手也是经过类似选择，或先做"外部视角"练习（基于基准率的概率推断），观察是否能缩小过度进入。
  3. 异质性来源：使用结构化估计区分"自我能力高估"与"对手能力低估"两个独立通道，量化各自对过度进入的贡献。
  4. 动态版本：引入退出与再进入机制，研究学习与消除偏误的速度，是否有"赌徒回本"式的非理性反应。
  5. AI/算法决策对照：让 LLM 或算法代理参与同一博弈，研究算法是否表现出类似"参考群体忽视"，以及是否能作为"去偏建议者"。
  6. 领域专长 vs. 普遍能力：操控测试题目的领域熟悉度（专业 vs. 非专业），检验过度自信是否在熟悉领域更强（"专家溢价"假说）。
  7. 神经/生理基础：结合眼动或 fMRI 研究自我选择者在技能条件下决策时是否在神经层面忽视对手相关信息。

关键结论

  1. 当收益依赖于相对技能时，被试系统性地过度进入市场，导致行业平均利润为负，验证了过度自信驱动新企业高失败率的核心假说。
  2. 自我选择招募使过度进入扩大约三倍，揭示了"参考群体忽视"——竞争者忽视对手也经过类似筛选——这是不同于一般过度自信的独立心理机制，对企业进入、晋升锦标赛、绩效合同设计等现实场景都有解释力。

🔗 链接到这篇笔记